时间序列分析是统计学中的一个重要的分支,也是数据分析中不可或缺的一部分,降水量与风速是两种具有明显非平稳、周期性波动特征的气象数据。降水量的变化波动在一定程度上可以反映出地区的旱涝情况。目前,全球处于水资源缺乏的状况,降水在时间上具有随机性和不确定性,因此,对降水量的准确预测可以及时的对旱涝灾害做出应对措施,对农作物的生长和灌溉也具有一定的指导意义。自然资源正在不断的发掘,风能属于可再生能源,利用风能发电目前是我国能源建设实施可持续发展战略的需要。风速具有随机变动的随机性和不确定性,对风速的准确预测可以减少风电场的成本,提高对风的利用率,同时对电力工业的结构调整都有重要的意义。因此,为了实现对气象能源高效的利用,建立对长期气象数据时间序列的预测模型,本文主要进行了以下三个方面的工作:(1)基于小波的阈值去噪算法,提出了一种对软阈值进行改进的去噪算法,对信号去噪性能进行优化,并进行仿真。结果表明去噪后的信号曲线不仅平滑性能好,而且完好的保留了原始信号的基本特征。(2)基于时间序列中的ARMA模型,构建了 ARIMA的季节性模型,通过加噪的正弦序列进行仿真,结果验证ARIMA季节模型优于ARMA模型,最后,气象数据降水量和风速的仿真结果表明ARIMA季节性模型的性能明显优于ARMA模型。(3)基于ARIMA的季节性模型,提出了一种基于软阈值去噪的ARIMA季节性模型,通过加噪的正弦序列仿真验证,基于软阈值去噪的ARIMA季节性模型在性能上较ARMA和ARIMA季节模型都得到了明显的提高,同时,气象数据仿真结果也进一步表明基于软阈值去噪的ARIMA季节性模型的性能明显优于前两个模型。